Child Exposure to Violent Content and Aggression: A Novel Approach to an Old Debate
Notice bibliographique
Résumé
OBJECTIVE: Our objective is to examine bidirectional, within-person associations between early childhood exposure to violent content in boys and girls and the development of reactive and proactive aggression. METHODS: Data are from 975 girls and 987 boys from Quebec, Canada, followed in the context of the Quebec Longitudinal Study of Child Development (1998-2023). Parents reported child exposure to violent TV content and proactive and reactive aggression at ages 4 to 6. Data were analyzed using random-intercept cross-lagged panel models. RESULTS: Greater exposure to violent content at ages 4 was associated with within-person increases in reactive aggression by age 5 in boys (β = 0.16, 95% Confidence Interval = [0.050, 0.261]) and girls (β = 0.13, CI = [0.004, 0.229]). In addition, greater proactive aggression at age 4 was associated with a within-person decrease in exposure to violent content by age 5 in boys (β = -0.08, 95% CI = [-0.174, -0.003]) and girls (β = -0.09, 95% CI = [-0.174, -0.009]). A similar pattern was observed for boys and girls between the ages of 5 and 6 (β = -0.08, 95% CI = [-0.167, -0.003] for boys and β = -0.10, 95% CI = [-0.194, -0.010] for girls). CONCLUSIONS: Our findings suggest a positive association between early childhood exposure to violent content and the development of reactive aggression. Greater child proactive aggression was also associated with reduced exposure to violent content, suggesting that parents may adopt a reactive, rather than preventive approach when monitoring child media habits.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,026 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».